典型文献
基于高阶累积量和改进GRNN的CSI手臂行为识别
文献摘要：
为了挖掘信道状态信息(channel state information,CSI)在手臂行为识别中的非线性深层特征,提高识别准确度,提出了一种基于高阶累积量和改进广义回归神经网络(generalized regression neural network,GRNN)的CSI手臂行为识别算法.离线阶段,将在不同手臂动作下采集的细粒度CSI幅度和相位差作为基信号,并利用平均绝对偏差改进的spearman rank相关系数选择敏感性强的子载波;针对CSI中的非线性非高斯信息,在所选子载波中提取高阶累积量特征;在灰狼算法(grey wolf optimizer,GWO)优化的GRNN神经网络中训练出能有效处理非线性问题的GWO-GRNN动作识别模型.在线阶段,利用训练好的识别模型对输入的CSI数据进行手臂动作的判别.通过仿真实验验证,该算法的手臂行为识别准确度为95.83％,高于目前相关算法所达到的准确度,具有明显的识别优势.
文献关键词：
手臂行为识别;信道状态信息(CSI);子载波选择;高阶累积量;广义回归神经网络(GRNN)
中图分类号：
作者姓名：
李新春;谷永延;黄朝晖;纪小璐;魏武;孟硕
作者机构：
辽宁工程技术大学 电子与信息工程学院,辽宁 葫芦岛125105;辽宁工程技术大学 研究生院,辽宁 葫芦岛125105
文献出处：
引用格式：
[1]李新春;谷永延;黄朝晖;纪小璐;魏武;孟硕-.基于高阶累积量和改进GRNN的CSI手臂行为识别)[J].重庆邮电大学学报（自然科学版）,2022(02):331-340
A类：
手臂行为识别,子载波选择
B类：
高阶累积量,GRNN,CSI,信道状态信息,channel,state,information,深层特征,广义回归神经网络,generalized,regression,neural,network,识别算法,离线阶段,细粒度,幅度和相位,相位差,平均绝对偏差,spearman,rank,选择敏感性,非高斯,灰狼算法,grey,wolf,optimizer,GWO,练出,非线性问题,动作识别,识别模型,在线阶段,练好
AB值：
0.323317
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
